Investigador do INESC TEC foi premiado numa conferência à espectroscopia de emissão de plasma induzido por laser. O trabalho procura identificar as características e os padrões mais relevantes dos dados espectrais faz uso de aprendizagem automática de forma a extrair a informação mais importante para a sua análise.
Os dados espectrais guardam um largo volume de informação, mas são, por norma, esparsos e apenas uma pequena parte acaba por ser verdadeiramente relevante. Mas e se fosse possível representar estes dados de forma compacta e com toda a informação com valor para tarefas de análise, multimodalidade ou classificação?
A resposta valeu ao investigador do INESC TEC Tomás Lopes a distinção de melhor póster na Nordic Laser-Induced Breakdown Spectroscopy (LIBS) Symposium, em Aarhus, Dinamarca. O trabalho de investigação Self-supervised Latent Space Learning for LIBS Spectroscopy enquadra-se na investigação desenvolvida pelo INESC TEC na área da espectroscopia de Plasma Induzido por Laser (LIBS) e pretende contribuir para o desenvolvimento de sistemas industriais mais resilientes.
“Este trabalho apresenta um estudo preliminar no qual se utilizam métodos de aprendizagem self-supervised para reduzir a dimensionalidade dos dados adquiridos”, explica o investigador. Alinhado com o “interesse da equipa” de investigação do INESC TEC no desenvolvimento de sistemas multimodais com capacidades de aprendizagem mais autónomas, o trabalho procura identificar as características e os padrões que permitem preservar a informação mais importante presente nos dados espectrais.
“Uma tarefa complexa”, avança Tomás Lopes. A abordagem adotada pode ser “particularmente relevante” em sistemas industriais, por exemplo, e faz uso de um modelo de aprendizagem que reconhece a informação essencial “sem depender diretamente de anotações manuais”. Eis um exemplo prático: imaginemos duas fotografias do mesmo objeto, sendo que uma delas está mais degradada e com ruído, mas não permite dúvidas: representa o mesmo objeto. Tal como o cérbero se foca nas características importantes e ignora variações que não alteram o conteúdo fundamental da imagem, o trabalho de investigação treinou um modelo para distinguir essas variações da informação verdadeiramente relevante nos dados espectrais.
Esta solução pode tornar sistemas industriais mais resilientes “perante novas amostras, novas condições de aquisição ou alterações graduais no processo, abrindo também caminho para estratégias de aprendizagem contínua”, avança o investigador.
A segunda edição do Nordic Laser-Induced Breakdown Spectroscopy Symposium decorreu nos dias 24 e 25 de junho e reuniu investigadores da academia, da indústria e estudantes para discutir os mais recentes avanços na espectroscopia LIBS e noutras técnicas espectroscópicas. “No geral, foi uma experiência muito positiva, tanto pelo contacto com outro ambiente de trabalho como pela vivência da cidade”, sublinha Tomás Lopes.
Notícias, atualidade, curiosidades e muito mais sobre o INESC TEC e a sua comunidade!
